基于大规模定位数据的出行方式模糊判别研究

交通需求信息对于从战略上解决交通拥堵问题是非常重要的。从无线通信网络和GPS系统中可以获得大规模的定位数据。从定位数据中可以挖掘出完整的出行轨迹信息和有价值的出行需求特征信息。文中提出了以各种出行方式的先验知识为依据的出行方式模糊判别方法。该方法以从出行轨迹信息中提取的出行属性数据为输入,采用模糊推理机制实现机动车、自行车、步行等3种出行方式的良好区分。该方法可为交通规划工作提供出行方式划分方面的数据,并具有比传统交通调查方法更低的成本和更短的数据更新周期。

基于定位数据的全景超分辨图像交互可视化框架

超分辨定位成像和全景数字病理结合,为研究人员观察整个样本的亚细胞结构提供了有力工具,同时也带来了全景超分辨图像海量数据可视化的挑战.然而,现有的超分辨图像可视化方法无法处理大规模定位数据、不能提供高分辨全景图像和无法交互可视化全景图像.针对以上问题,提出了一个基于定位数据的全景超分辨图像交互可视化框架,称为PNanoViewer,旨在普通计算机上实现大规模定位数据的快速交互可视化.该框架基于随机采样策略构建定位数据的多分辨率层级结构,以交互方式可视化多尺度全景超分辨图像;同时采用分块策略和多线程并行策略,分批次处理大规模定位数据,既防止内存溢出又加快了处理速度.从数千万到数亿个定位点数据集上的实验结果表明,PNanoViewer框架能够可视化任意规模的定位数据.将该框架与目前3种流行的超分辨图像可视化方法PALMsiever,ThunderSTORM,QCSTORM从数据量、分辨率和速度3个方面进行对比,PNanoViewer都具有明显优势.同时也为大规模定位数据的可视化提供了一个有益的探索.